PaddleOCR-VL-1.5 算法解析0.9B 紧凑 VLM 在文档解析与真实场景畸变鲁棒性上的 SOTA 方案【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100 languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCRPaddleOCR-VL-1.5 是 PaddleOCR 项目在初代 PaddleOCR-VL 基础上的重大升级以 0.9B 超紧凑 VLM 参数量在 OmniDocBench v1.5 文档解析基准上取得 94.5% 的新 SOTA 结果并引入不规则形状定位异形框能力在扫描、弯曲、倾斜、屏摄、光照变化五个真实场景中均取得领先表现。本文以官方算法文档为主体结合仓库中的使用教程与源码实现系统讲解该模型的五大核心特性、两阶段技术架构、基准评测体系OmniDocBench v1.5 与 Real5-OmniDocBench、推理部署性能并给出在当前仓库中的实际接入方式帮助开发者快速理解并落地这一文档解析方案。一、模型简介与关键指标PaddleOCR-VL-1.5在 1.0 版本基础上进行了能力的进一步扩展和升级优化在文档解析基准 OmniDocBench v1.5 上取得了 94.5% 的更高 SOTA最佳结果。为了严格评估其对现实世界物理畸变的鲁棒性——包括扫描伪影、倾斜、弯曲、屏摄和光照变化——官方提出了 Real5-OmniDocBench 基准测试。实验结果表明该增强模型在这一新构建的基准测试中各个场景均达到 SOTA 性能。此外模型通过加入印章识别和文字检测识别任务扩展了能力边界同时保持了 0.9B 的超紧凑 VLM 规模和高效率。关键指标以官方算法文档声明的数据为准参数量0.9B属于超紧凑 VLM 规模OmniDocBench v1.594.5% 准确率超越此前的 SOTA 模型 PaddleOCR-VLv1Real5-OmniDocBench在扫描、弯曲、倾斜、屏摄、光照五个真实扰动场景中均达到 SOTA新增能力文本行定位与识别spotting、印章识别seal recognition相关指标均在各自任务中创下新 SOTA。需要特别说明的是该模型属于 PaddleOCR-VL 系列。仓库中与之一脉相承的还有 PaddleOCR-VL 初代算法文档支持 109 种语言以及 PaddleOCR-VL-1.6 算法文档在 OmniDocBench v1.6 上达到 96.33%本篇文章聚焦 1.5 版本的算法能力与部署细节。二、五大核心特性1. 文档解析的 SOTA 性能凭借 0.9B 的参数量PaddleOCR-VL-1.5 在 OmniDocBench v1.5 上达到了 94.5% 的准确率超越了之前的 SOTA 模型 PaddleOCR-VLv1。在表格、公式和文本识别方面观察到了显著提升。2. 现实 5 大场景文档解析的 SOTA 性能引入了一种创新的文档解析方法支持不规则形状定位能够在文档倾斜和弯曲条件下实现精确的多边形检测。在扫描、弯曲、倾斜、屏摄和光照变化这五个现实场景的评估中表现优于主流的开源和闭源模型。这意味着模型不再局限于轴对齐矩形框而是可以输出贴合文字行真实走向的多边形轮廓从而在物理畸变严重的文档图像上依然保持稳定解析。3. 0.9B 紧凑架构扩充能力模型在保持 0.9B 紧凑架构的前提下新增了文本行定位与识别spotting以及印章识别两个任务所有相关指标均在各自任务中创下了新的 SOTA 结果。紧凑的参数量意味着更低的显存占用与推理成本为边缘部署和批量处理提供了可能。4. 强化多元素识别能力PaddleOCR-VL-1.5 进一步增强了在特定场景和多语言识别方面的能力。针对特殊符号、古籍、多语言表格、下划线和复选框的识别性能得到提升语言覆盖范围扩展至包括中国藏文和孟加拉语。5. 长文档跨页解析模型支持跨页表格自动合并和跨页段落标题识别有效缓解了长文档解析中的内容碎片化问题。该能力与使用侧提供的页面重建接口见下文第七节相配合可将多页 PDF 解析结果整合为结构连贯的完整文档。三、技术架构版面分析 VLM 识别的两阶段流程PaddleOCR-VL-1.5 的整体流程与 PaddleOCR-VL 系列一致由版面分析与VLM 识别两个核心阶段组成这在 PaddleOCR-VL 使用教程中有明确描述第一阶段版面分析。模型以整图作为输入检测并定位图像中的各类版面元素例如表格、公式等同时确定其阅读顺序并根据检测结果裁剪出对应的元素子图第二阶段VLM 识别。将每个子图独立输入 VLM生成对应的识别结果例如 Markdown 文本随后再按照版面分析阶段给出的顺序对各元素结果进行合并得到整幅图像的完整解析结果。因此若需使用 PaddleOCR-VL 的完整能力必须采用版面分析与 VLM 识别协同的完整流程而不能仅单独使用 VLM。PaddleOCR-VL-1.5 针对真实场景引入的不规则形状多边形定位能力正是作用于第一阶段版面分析使其在文档倾斜和弯曲条件下依然能够精确裁剪元素子图供第二阶段 VLM 识别。注意PaddleOCR-VL-0.9B 是完整流程中的VLM 组件并非 PaddleOCR-VL 的一个模型变种。官方文档特别提醒如果出现无法复现论文或官方精度、模型输出大量幻觉文本等问题首先应确认使用的是完整的 PaddleOCR-VL 流程而不是仅通过 Transformers 本地执行或直接请求 vLLM / SGLang / FastDeploy 服务等方式单独使用 VLM 组件。从仓库源码也可以印证版本与产线的对应关系。在 paddleocr/_pipelines/paddleocr_vl.py 中_AVAILABLE_PIPELINE_VERSIONS [v1, v1.5, v1.6] _DEFAULT_PIPELINE_VERSION v1.6而PaddleOCRVL类的_paddlex_pipeline_name属性paddleocr/_pipelines/paddleocr_vl.py将pipeline_versionv1.5映射到名为PaddleOCR-VL-1.5的 PaddleX 产线开发者可以通过pipeline_version参数显式选择 1.5 版本产线。四、模型性能评测1. OmniDocBench v1.5 基准PaddleOCR-VL-1.5 在 OmniDocBench v1.5 上的整体、文本、公式、表格和阅读顺序中均达到最先进的性能。官方算法文档注明性能指标引自 OmniDocBench 官方排行榜Gemini-3 Pro、Qwen3-VL-235B-A22B-Instruct 和本模型除外。2. Real5-OmniDocBench 基准在扫描Scanning、扭曲Warping、屏摄Screen-photography、光照Illumination和倾斜Skew这五个多样化且具挑战性的场景中PaddleOCR-VL-1.5 均创下了新的 SOTA 记录。Real5-OmniDocBench 是 PaddleOCR 团队基于 OmniDocBench v1.5 数据集构建的、面向真实场景的全新基准测试。与常规干净扫描文档评测不同该基准刻意引入真实世界中的物理畸变用于检验模型在开箱即用条件下的鲁棒性——这正是 1.5 版本引入不规则形状定位能力所要解决的问题。五、推理部署性能官方在 OmniDocBench v1.5 上对 PaddleOCR-VL-1.5 进行了端到端推理性能对比PDF 文档在单张 NVIDIA A100 GPU 上以 512 的 batch size 进行处理报告的端到端运行时间包含 PDF 渲染和 Markdown 生成所有方法均依赖其内置的 PDF 解析模块和默认 DPI 设置以反映开箱即用的性能。值得说明的是PaddleOCR-VL 系列的推理工作流程引入了多线程异步执行机制详见 PaddleOCR-VL 初代算法文档整个流程分为三个主要阶段——数据加载例如将 PDF 页面渲染为图像、布局模型处理和 VLM 推理每个阶段在单独的线程中运行数据通过队列在相邻阶段之间传输从而实现并发执行以提高效率。这一设计在使用侧对应use_queues参数默认开启对于页数较多的 PDF 文档或包含大量文件的目录尤其高效。六、可视化效果官方算法文档展示了多组可视化案例直观呈现模型在真实场景下的解析效果现实场景文档分别展示光照light、倾斜skew、屏摄screen、扫描scanning、弯曲/扭曲curving五种扰动条件下的文档解析结果体现不规则形状定位带来的鲁棒性文本定位与识别spotting展示模型在文本行级定位与识别上的表现印章识别seal展示新增的印章识别任务效果。七、实际接入方式结合仓库使用教程与源码PaddleOCR 为 PaddleOCR-VL 系列模型提供了统一接口。以下要点均来自 PaddleOCR-VL 使用教程 与源码 paddleocr/_pipelines/paddleocr_vl.py帮助开发者把 1.5 版本落地到自己的项目中。1. 环境准备与安装教程支持 x64 CPU 和除 Blackwell 之外的 NVIDIA GPU推荐使用官方 Docker 镜像要求 Docker 19.03NVIDIA 驱动支持 CUDA 12.6docker run \ -it \ --gpus all \ --network host \ --user root \ ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-vl:latest-nvidia-gpu \ /bin/bash也可以手动安装Python 3.9–3.13 已验证先安装 3.2.1 及以上版本 PaddlePaddleCPU/GPU 版本不允许同时安装再执行python -m pip install -U paddleocr[doc-parser]2. 命令行快速体验doc_parser是 PaddleOCR-VL 产线的 CLI 子命令见源码 paddleocr/_pipelines/paddleocr_vl.py。要使用 1.5 版本产线可通过--pipeline_version v1.5显式指定paddleocr doc_parser -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/paddleocr_vl_demo.png --pipeline_version v1.5 --save_path ./output常用开关参数包括--use_doc_orientation_classify True启用文档方向分类默认 False--use_doc_unwarping True启用文本图像矫正默认 False--use_layout_detection False关闭版面分析、仅使用 VLM 组件默认 True--engine transformers切换到 transformers 引擎。3. Python API 集成from paddleocr import PaddleOCRVL pipeline PaddleOCRVL(pipeline_versionv1.5) output pipeline.predict(https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/paddleocr_vl_demo.png) for res in output: res.print() # 打印结构化输出 res.save_to_json(save_path./output) res.save_to_markdown(save_path./output) res.save_to_word(save_path./output)4. 长文档跨页重建1.5 版本支持的跨页表格合并、跨页标题识别对应 Python 侧的restructure_pages()方法pipeline PaddleOCRVL(pipeline_versionv1.5) output pipeline.predict(input./your_pdf_file.pdf) pages_res list(output) output pipeline.restructure_pages(pages_res, merge_tablesTrue, relevel_titlesTrue)其中merge_tables控制跨页表格合并默认 True、relevel_titles控制多级标题重建默认 True、concatenate_pages控制是否合并多页结果为一页默认 False。5. VLM 推理服务接入如需提升生产环境推理性能可将 VLM 推理交给专用服务vLLM / SGLang / FastDeploy 等客户端继续负责版面分析等环节。通过--vl_rec_backend vllm-server --vl_rec_server_url http://localhost:8118/v1指定后端与地址支持vllm-server、sglang-server、fastdeploy-server、mlx-vlm-server、llama-cpp-server五种后端源码_SUPPORTED_VL_BACKENDS常量可见paddleocr/_pipelines/paddleocr_vl.py。八、常见问题FAQ结合 PaddleOCR-VL 初代算法文档 中的 FAQ 与使用教程以下问题对 1.5 版本同样适用如何使用 PaddleOCR-VL 做文档解析参考 PaddleOCR-VL 使用教程通过 CLI 或 Python API 调用完整流程如何开启图表识别默认关闭设置use_chart_recognitionTrueCLI 参数--use_chart_recognition True即可开启版面检测结果不理想怎么办若测试数据是非标准文档如车牌、火车票、身份证可设置use_layout_detectionFalse直接使用 VLM 组件单独识别1.5 版本对应的单独识别任务可通过prompt_label指定可选值为ocr、formula、table、seal、chart、spotting仅当use_layout_detectionFalse时生效长文档解析内容碎片化如何缓解使用restructure_pages()开启跨页表格合并与标题重建默认开启并结合use_queuesTrue的多线程流水线提升长文档处理效率。总结PaddleOCR-VL-1.5 以 0.9B 紧凑参数量实现了文档解析OmniDocBench v1.594.5%、真实场景鲁棒性Real5-OmniDocBench 五场景 SOTA与新增能力文本定位识别、印章识别、长文档跨页解析的全面升级。其在仓库中的落地路径清晰通过 算法文档 理解模型能力通过 使用教程 完成部署接入通过 源码实现 掌握版本映射与参数体系即可在真实业务中快速构建鲁棒的文档解析能力。【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100 languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 PaddleOCR-VL-1.5 算法解析：0.9B 紧凑 VLM 在文档解析与真实场景畸变鲁棒性上的 SOTA 方案
PaddleOCR-VL-1.5 算法解析0.9B 紧凑 VLM 在文档解析与真实场景畸变鲁棒性上的 SOTA 方案【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100 languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCRPaddleOCR-VL-1.5 是 PaddleOCR 项目在初代 PaddleOCR-VL 基础上的重大升级以 0.9B 超紧凑 VLM 参数量在 OmniDocBench v1.5 文档解析基准上取得 94.5% 的新 SOTA 结果并引入不规则形状定位异形框能力在扫描、弯曲、倾斜、屏摄、光照变化五个真实场景中均取得领先表现。本文以官方算法文档为主体结合仓库中的使用教程与源码实现系统讲解该模型的五大核心特性、两阶段技术架构、基准评测体系OmniDocBench v1.5 与 Real5-OmniDocBench、推理部署性能并给出在当前仓库中的实际接入方式帮助开发者快速理解并落地这一文档解析方案。一、模型简介与关键指标PaddleOCR-VL-1.5在 1.0 版本基础上进行了能力的进一步扩展和升级优化在文档解析基准 OmniDocBench v1.5 上取得了 94.5% 的更高 SOTA最佳结果。为了严格评估其对现实世界物理畸变的鲁棒性——包括扫描伪影、倾斜、弯曲、屏摄和光照变化——官方提出了 Real5-OmniDocBench 基准测试。实验结果表明该增强模型在这一新构建的基准测试中各个场景均达到 SOTA 性能。此外模型通过加入印章识别和文字检测识别任务扩展了能力边界同时保持了 0.9B 的超紧凑 VLM 规模和高效率。关键指标以官方算法文档声明的数据为准参数量0.9B属于超紧凑 VLM 规模OmniDocBench v1.594.5% 准确率超越此前的 SOTA 模型 PaddleOCR-VLv1Real5-OmniDocBench在扫描、弯曲、倾斜、屏摄、光照五个真实扰动场景中均达到 SOTA新增能力文本行定位与识别spotting、印章识别seal recognition相关指标均在各自任务中创下新 SOTA。需要特别说明的是该模型属于 PaddleOCR-VL 系列。仓库中与之一脉相承的还有 PaddleOCR-VL 初代算法文档支持 109 种语言以及 PaddleOCR-VL-1.6 算法文档在 OmniDocBench v1.6 上达到 96.33%本篇文章聚焦 1.5 版本的算法能力与部署细节。二、五大核心特性1. 文档解析的 SOTA 性能凭借 0.9B 的参数量PaddleOCR-VL-1.5 在 OmniDocBench v1.5 上达到了 94.5% 的准确率超越了之前的 SOTA 模型 PaddleOCR-VLv1。在表格、公式和文本识别方面观察到了显著提升。2. 现实 5 大场景文档解析的 SOTA 性能引入了一种创新的文档解析方法支持不规则形状定位能够在文档倾斜和弯曲条件下实现精确的多边形检测。在扫描、弯曲、倾斜、屏摄和光照变化这五个现实场景的评估中表现优于主流的开源和闭源模型。这意味着模型不再局限于轴对齐矩形框而是可以输出贴合文字行真实走向的多边形轮廓从而在物理畸变严重的文档图像上依然保持稳定解析。3. 0.9B 紧凑架构扩充能力模型在保持 0.9B 紧凑架构的前提下新增了文本行定位与识别spotting以及印章识别两个任务所有相关指标均在各自任务中创下了新的 SOTA 结果。紧凑的参数量意味着更低的显存占用与推理成本为边缘部署和批量处理提供了可能。4. 强化多元素识别能力PaddleOCR-VL-1.5 进一步增强了在特定场景和多语言识别方面的能力。针对特殊符号、古籍、多语言表格、下划线和复选框的识别性能得到提升语言覆盖范围扩展至包括中国藏文和孟加拉语。5. 长文档跨页解析模型支持跨页表格自动合并和跨页段落标题识别有效缓解了长文档解析中的内容碎片化问题。该能力与使用侧提供的页面重建接口见下文第七节相配合可将多页 PDF 解析结果整合为结构连贯的完整文档。三、技术架构版面分析 VLM 识别的两阶段流程PaddleOCR-VL-1.5 的整体流程与 PaddleOCR-VL 系列一致由版面分析与VLM 识别两个核心阶段组成这在 PaddleOCR-VL 使用教程中有明确描述第一阶段版面分析。模型以整图作为输入检测并定位图像中的各类版面元素例如表格、公式等同时确定其阅读顺序并根据检测结果裁剪出对应的元素子图第二阶段VLM 识别。将每个子图独立输入 VLM生成对应的识别结果例如 Markdown 文本随后再按照版面分析阶段给出的顺序对各元素结果进行合并得到整幅图像的完整解析结果。因此若需使用 PaddleOCR-VL 的完整能力必须采用版面分析与 VLM 识别协同的完整流程而不能仅单独使用 VLM。PaddleOCR-VL-1.5 针对真实场景引入的不规则形状多边形定位能力正是作用于第一阶段版面分析使其在文档倾斜和弯曲条件下依然能够精确裁剪元素子图供第二阶段 VLM 识别。注意PaddleOCR-VL-0.9B 是完整流程中的VLM 组件并非 PaddleOCR-VL 的一个模型变种。官方文档特别提醒如果出现无法复现论文或官方精度、模型输出大量幻觉文本等问题首先应确认使用的是完整的 PaddleOCR-VL 流程而不是仅通过 Transformers 本地执行或直接请求 vLLM / SGLang / FastDeploy 服务等方式单独使用 VLM 组件。从仓库源码也可以印证版本与产线的对应关系。在 paddleocr/_pipelines/paddleocr_vl.py 中_AVAILABLE_PIPELINE_VERSIONS [v1, v1.5, v1.6] _DEFAULT_PIPELINE_VERSION v1.6而PaddleOCRVL类的_paddlex_pipeline_name属性paddleocr/_pipelines/paddleocr_vl.py将pipeline_versionv1.5映射到名为PaddleOCR-VL-1.5的 PaddleX 产线开发者可以通过pipeline_version参数显式选择 1.5 版本产线。四、模型性能评测1. OmniDocBench v1.5 基准PaddleOCR-VL-1.5 在 OmniDocBench v1.5 上的整体、文本、公式、表格和阅读顺序中均达到最先进的性能。官方算法文档注明性能指标引自 OmniDocBench 官方排行榜Gemini-3 Pro、Qwen3-VL-235B-A22B-Instruct 和本模型除外。2. Real5-OmniDocBench 基准在扫描Scanning、扭曲Warping、屏摄Screen-photography、光照Illumination和倾斜Skew这五个多样化且具挑战性的场景中PaddleOCR-VL-1.5 均创下了新的 SOTA 记录。Real5-OmniDocBench 是 PaddleOCR 团队基于 OmniDocBench v1.5 数据集构建的、面向真实场景的全新基准测试。与常规干净扫描文档评测不同该基准刻意引入真实世界中的物理畸变用于检验模型在开箱即用条件下的鲁棒性——这正是 1.5 版本引入不规则形状定位能力所要解决的问题。五、推理部署性能官方在 OmniDocBench v1.5 上对 PaddleOCR-VL-1.5 进行了端到端推理性能对比PDF 文档在单张 NVIDIA A100 GPU 上以 512 的 batch size 进行处理报告的端到端运行时间包含 PDF 渲染和 Markdown 生成所有方法均依赖其内置的 PDF 解析模块和默认 DPI 设置以反映开箱即用的性能。值得说明的是PaddleOCR-VL 系列的推理工作流程引入了多线程异步执行机制详见 PaddleOCR-VL 初代算法文档整个流程分为三个主要阶段——数据加载例如将 PDF 页面渲染为图像、布局模型处理和 VLM 推理每个阶段在单独的线程中运行数据通过队列在相邻阶段之间传输从而实现并发执行以提高效率。这一设计在使用侧对应use_queues参数默认开启对于页数较多的 PDF 文档或包含大量文件的目录尤其高效。六、可视化效果官方算法文档展示了多组可视化案例直观呈现模型在真实场景下的解析效果现实场景文档分别展示光照light、倾斜skew、屏摄screen、扫描scanning、弯曲/扭曲curving五种扰动条件下的文档解析结果体现不规则形状定位带来的鲁棒性文本定位与识别spotting展示模型在文本行级定位与识别上的表现印章识别seal展示新增的印章识别任务效果。七、实际接入方式结合仓库使用教程与源码PaddleOCR 为 PaddleOCR-VL 系列模型提供了统一接口。以下要点均来自 PaddleOCR-VL 使用教程 与源码 paddleocr/_pipelines/paddleocr_vl.py帮助开发者把 1.5 版本落地到自己的项目中。1. 环境准备与安装教程支持 x64 CPU 和除 Blackwell 之外的 NVIDIA GPU推荐使用官方 Docker 镜像要求 Docker 19.03NVIDIA 驱动支持 CUDA 12.6docker run \ -it \ --gpus all \ --network host \ --user root \ ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-vl:latest-nvidia-gpu \ /bin/bash也可以手动安装Python 3.9–3.13 已验证先安装 3.2.1 及以上版本 PaddlePaddleCPU/GPU 版本不允许同时安装再执行python -m pip install -U paddleocr[doc-parser]2. 命令行快速体验doc_parser是 PaddleOCR-VL 产线的 CLI 子命令见源码 paddleocr/_pipelines/paddleocr_vl.py。要使用 1.5 版本产线可通过--pipeline_version v1.5显式指定paddleocr doc_parser -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/paddleocr_vl_demo.png --pipeline_version v1.5 --save_path ./output常用开关参数包括--use_doc_orientation_classify True启用文档方向分类默认 False--use_doc_unwarping True启用文本图像矫正默认 False--use_layout_detection False关闭版面分析、仅使用 VLM 组件默认 True--engine transformers切换到 transformers 引擎。3. Python API 集成from paddleocr import PaddleOCRVL pipeline PaddleOCRVL(pipeline_versionv1.5) output pipeline.predict(https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/paddleocr_vl_demo.png) for res in output: res.print() # 打印结构化输出 res.save_to_json(save_path./output) res.save_to_markdown(save_path./output) res.save_to_word(save_path./output)4. 长文档跨页重建1.5 版本支持的跨页表格合并、跨页标题识别对应 Python 侧的restructure_pages()方法pipeline PaddleOCRVL(pipeline_versionv1.5) output pipeline.predict(input./your_pdf_file.pdf) pages_res list(output) output pipeline.restructure_pages(pages_res, merge_tablesTrue, relevel_titlesTrue)其中merge_tables控制跨页表格合并默认 True、relevel_titles控制多级标题重建默认 True、concatenate_pages控制是否合并多页结果为一页默认 False。5. VLM 推理服务接入如需提升生产环境推理性能可将 VLM 推理交给专用服务vLLM / SGLang / FastDeploy 等客户端继续负责版面分析等环节。通过--vl_rec_backend vllm-server --vl_rec_server_url http://localhost:8118/v1指定后端与地址支持vllm-server、sglang-server、fastdeploy-server、mlx-vlm-server、llama-cpp-server五种后端源码_SUPPORTED_VL_BACKENDS常量可见paddleocr/_pipelines/paddleocr_vl.py。八、常见问题FAQ结合 PaddleOCR-VL 初代算法文档 中的 FAQ 与使用教程以下问题对 1.5 版本同样适用如何使用 PaddleOCR-VL 做文档解析参考 PaddleOCR-VL 使用教程通过 CLI 或 Python API 调用完整流程如何开启图表识别默认关闭设置use_chart_recognitionTrueCLI 参数--use_chart_recognition True即可开启版面检测结果不理想怎么办若测试数据是非标准文档如车牌、火车票、身份证可设置use_layout_detectionFalse直接使用 VLM 组件单独识别1.5 版本对应的单独识别任务可通过prompt_label指定可选值为ocr、formula、table、seal、chart、spotting仅当use_layout_detectionFalse时生效长文档解析内容碎片化如何缓解使用restructure_pages()开启跨页表格合并与标题重建默认开启并结合use_queuesTrue的多线程流水线提升长文档处理效率。总结PaddleOCR-VL-1.5 以 0.9B 紧凑参数量实现了文档解析OmniDocBench v1.594.5%、真实场景鲁棒性Real5-OmniDocBench 五场景 SOTA与新增能力文本定位识别、印章识别、长文档跨页解析的全面升级。其在仓库中的落地路径清晰通过 算法文档 理解模型能力通过 使用教程 完成部署接入通过 源码实现 掌握版本映射与参数体系即可在真实业务中快速构建鲁棒的文档解析能力。【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100 languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考